• 【 声明:版权所有,欢迎转载,请勿用于商业用途。...不管是模式识别、自然语言处理、计算机视觉,还是推荐系统、机器发掘、语音识别等方面,机器学习都发挥了巨大的作用。机器学习作为基础学科,它为其他学科...

    【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing @163.com】

     

        这几年,机器学习非常火。自从alpha go战胜了韩国的李世石之后,深度学习又将机器学习推向了新的高度。不可否认,机器学习是非常有用的。不管是模式识别、自然语言处理、计算机视觉,还是推荐系统、机器发掘、语音识别等方面,机器学习都发挥了巨大的作用。机器学习作为基础学科,它为其他学科的发展作出了很大的贡献,不断贡献着新的理论和算法,推动技术不断发展。

     

        从另一方面,学习机器学习也是有一定困难的。因为,对于希望学好这门课程的同学来说,除了掌握必要的编程方法和编程技巧之外,你还需要了解基本的数学方法,比如优化、概率、矩阵、随机数学等等。很多同学看到这些数学公式就一下子手足无措,不知道如何下手。

     

        下面,我就从自己个人的角度推荐一下,作为一个it工程师应该如何学习好机器学习?

     

    1)机器学习应该选用什么编程语言?

        如果大家平时留意的话,会发现大家用来编写算法的时候什么语言都有,比如c、c++、java、matlab、python、R等等。我建议大家如果是自己编写算法,最好使用python脚本语言,编写起来很快,语法和c差不多,基本不需要调试。如果是别人写的算法,那么只需要自己会编译会修改就可以了。比如说,机器学习中svm这块,大家用的比较多的都是libsvm库,最早的库是用c++库,大家只要能看懂会使用就可以了。还有一些公开发表的论文,这些论文大部分是用matlab编写的,大家也只要能看懂就可以了,如果需要的话,可以自己转换成python或者c代码。

     

    2)python常用的库有哪些?

        只需要numpy、pandas和matplotlib就可以了,前者主要处理矩阵使用,后者画图使用。

     

    3)怎么编写算法?

        可以先看懂机器算法的基本原理,然后编写代码,最后再看推倒的数学公式。it工程师比较擅长的是看代码,所以可以从自己擅长的领域着手。大部分的机器学习代码都在100~200行之间,我指的是python代码,所以理解上不会有太大的困难。即使自己不会写,先看看别人的也可以。

     

    4)有没有什么好的机器学习库?

        sklearn,python下面最简单的机器学习库。所有的代码基本上都分成三个步骤,建模、训练、预测。

     

    5)常用的机器学习的书有哪些?

        我自己经常看的书就三本,《机器学习实战》、《统计学习方法》和周志华的《机器学习》。大家在看书的时候,尽量找适合自己的书籍。大牛的书籍不一定适合自己,反而是一些实战的书特别适合入门。

     

    6)机器学习最重要的是什么?

        比算法和测试数据集本身更重要的,是希望大家寻找更多机器学习的应用场景,让这门学科更好地服务于我们的生活。

     

    7)掌握机器学习的步骤是什么?

        先利用现成的库(比如sklearn)用好算法,后面可以根据算法定理实现好算法,最后再根据使用经验发觉算法的不足,改进好算法,让更多的人从你的工作中收益。这是一个持续的过程,没有办法一蹴而就。

     

    8)公司用的机器学习和学术界的机器学习有什么区别?

        公司用的算法往往都是稳定、简洁、可靠的算法,比如说logistic回归、决策树、bayes等等,而学术中的机器学习更偏向于性能和结果,在效率和成本和算法可理解性方面考虑的不多。比如大家学习中遇到的svm、pca、lda、神经网络、深度学习,在生产中可能没有大家想象的那么多。当然也不能说,学术的算法就没有意义,也许随着计算机处理效率的提高和大数据时代的到来,学术中的某些算法会成为新的主流趋势,这也说不定。

     

    9)有没有什么比较好的视频教程?

        斯坦福大学Andrew NG的《机器学习》课程。

     

    ps:

        一般机器学习最好和一个领域联系在一起。比如ml和图像,或者dnn和语音。如果想学习语音的同学,利用kaldi来学习语音也是不错的选择,语音识别里面的声学模型、语言模型也大量使用了机器学习的知识。

     

     

    展开全文
  • 在我的理解里,要实现计算机视觉必须有图像处理的帮助,而图像处理倚仗模式识别的有效运用,而模式识别是人工智能领域的一个重要分支,人工智能与机器学习密不可分。纵观一切关系,发现计算机视觉的应用服务于机器...
  • 【 声明:版权所有,欢迎转载,请勿用于商业用途。...    要说很多现在最火的AI是什么,那就是... 机器学习一般是指传统的人工智能方法,它包括bayes、决策树、svm、线性回归、逻辑回归、神经网络、knn、kmeans等...
  • 计算机视觉相当于是人工智能的大门,如果这个门不打开,就没有办法真的研究真实世界的人工智能。因为视觉信息听觉触觉相比要重要得多,人的大脑皮层70%的活动都在处理视觉信息,如果没有视觉信息的话,整个人工智 ...
  • 机器学习与计算机视觉入门项目——视频投篮检测(一) 随着机器学习、深度学习技术的迅猛发展,计算机视觉无疑是近年来发展最快的AI领域之一。正因如此,互联网上有关计算机视觉机器学习、深度学习的社区、博文、...
  • 在我的理解里,要实现计算机视觉必须有图像处理的帮助,而图像处理倚仗模式识别的有效运用,而模式识别是人工智能领域的一个重要分支,人工智能与机器学习密不可分。纵观一切关系,发现计算机视觉的应用服务于机器...
  • 机器视觉VS计算机视觉 2016-03-07 19:53:07
    一、机器视觉与计算机视觉的区别与联系  在很多情况下,我们误认为机器视觉就是计算机视觉,其实这是不准确的。首先我们从定义着手,何为机器视觉?何为计算机视觉机器视觉其实就是用机器代替人眼进行测量和判断...
  • 最近公众号看到讲人工智能、计算机视觉机器学习三者关系的,摘录一段朱松纯(加州大学洛杉矶分校UCLA统计学和计算机科学教授)原话。关于人工智能和计算机视觉
  • 计算机视觉与机器视觉 2016-05-07 11:32:42
    作为人工智能的两个分支,计算机视觉与机器视觉在近年都取得了长足的进步。前者自2010年以来,随着深度学习再度流行并用于目标识别,在人脸识别等方面...但是,在消费级市场方面,计算机视觉与机器视觉的进
  • 本文我们将探索机器视觉(MV)和计算机视觉(CV)。它们都涉及到视觉输入,因此了解这些重叠技术的优势,局限性和最佳用例场景非常重要。 研究人员早在20世纪50年代就开始开发计算机视觉技术,从简单的二维成像开始...
  • 算法岗计算机视觉方向求职经验总结进入11月份,楼主找工作也基本进入尾声了,从7月份开始关注牛客网,在求职的过程中学到了不少,感谢牛客提供这样一个平台,让自己的求职历程不再孤单。 先说一下楼主教育背景,...
  • 计算机视觉/机器学习/深度学习预备知识
  • 机器学习计算机视觉相关的数学之一 (以下转自一位MIT牛人的空间文章,写得很实际:) 作者:Dahua 感觉数学似乎总是不够的。这些日子为了解决research中的一些问题,又在图书馆捧起了数学的教科书。从大学到...
  • 摘要:本文我们来关注下三个非常相关的概念(深度学习、机器学习和模式识别),以及他们2015年最热门的科技主题(机器人和人工智能)的联系,让你更好的理解计算机视觉,同时直观认识机器学习的缓慢发展过程。...
  • 如何学习计算机视觉 2018-09-15 10:10:01
    本文的内容主要借鉴CSDN博主NodYoung的一篇文章,但是不知道什么原因,该博主的文章现已删除,这里,我根据自己的理解大致说明一下,对于一个初学小白来说,该如何学习计算机视觉。(有关计算机视觉入门的其它只是,...
  • 计算机视觉“CV,是指用计算机实现人的视觉功能,对客观世界的三维场景的感知、识别和理解。 计算机视觉是一个处于指示前沿的领域。我们认为计算机视觉,或简称为“视觉”,是一项事业, 它研究人类或动物的视觉...
  • 2016-11-24 视觉求索 谈话人: 杨志宏 视觉求索公众号编辑 ...朱松纯 加州大学洛杉矶分校UCLA统计学和计算机科学教授 ...杨: 朱教授,你在计算机视觉领域耕耘20余年,获得很多奖项, 是很资深的研究人员
  • 机器学习其实也有许多方向,比如强化学习、计算机视觉、自然语言处理等等,如果每个方向都学习的话,普通人也没有那么多精力。 在经过一年的泛泛的学习之后,决定将计算机视觉作为我的主攻方向,主要也是因为我对...
  • 欢迎大家关注微信公众号:baihuaML,白话机器学习。 在这里,我们一起分享AI的故事。 最近有很多朋友包括认识的,不认识的人,像我打听关于入行计算机视觉这个行业的一些问题。觉得还是有必要总结以下,一方面跟...
1 2 3 4 5 ... 20
收藏数 62,851
精华内容 25,140